matlab学习

a=a'表示矩阵的转置

[i,j,b]=find(a),(a为二维矩阵)是什么意思

你可以查一下帮助文档，find函数用来得到非零元素的下标，这个语句最终得到a数组中不为零的元素和其对应的双下标，i向量存储非零元素的行下标，j向量存储非零元素的行下标，b向量将存储a中的非零元素。在向量中的顺序，ij和b是一一对应的。

函数功能：生成稀疏矩阵 

使用方法 ：
S = sparse(A) 
将矩阵A转化为稀疏矩阵形式，即矩阵A中任何0元素被去除，非零元素及其下标组成矩阵S。
如果A本身是稀疏的，sparse(S)返回S。 
S = sparse(i,j,s,m,n,nzmax) 
由向量i,j,s生成一个m*n的含有nzmax个非零元素的稀疏矩阵S，并且有 S(i(k),j(k)) = s(k)。
向量 i，j 和 s 有相同的长度。对应对向量i和j的值，s 中任何零元素将被忽略。 book.iLoveMatlab.cn 
s 中在 i 和 j 处的重复值将被叠加。 
注意：如果i或j任意一个大于最大整数值范围,2^31-1, 稀疏矩阵不能被创建。 

S = sparse(i,j,s,m,n) 
用 nzmax = length(s) 
S = sparse(i,j,s) 
使m = max(i) 和 n = max(j)，在s中零元素被移除前计算最大值，[i j s]中其中一行可能为[m n 0]。
S = sparse(m,n) 
sparse([],[],[],m,n,0)的缩写，生成一个m*n的所有元素都是0的稀疏矩阵。 


备注：
MATLAB中所有内置的算术，逻辑和索引操作都可以应用到稀疏矩阵或混合于稀疏和全矩阵上。
稀疏矩阵的操作返回稀疏矩阵，全矩阵的操作返回权矩阵。 
在大多数情况下，稀疏和全矩阵的混合操作返回全矩阵，例外的一种情况是混合操作的结果在结构上稀疏，例如，A.*S至少和矩阵S一样稀疏。 

应用举例：
S = sparse(1:n,1:n,1) 生成一个n*n的单位稀疏矩阵，和S = sparse(eye(n,n))有相同的结果，但是如果它的元素大部分是零元素的情况下也会暂时性的生成n*n的全矩阵。 book.iLoveMatlab.cn 

B = sparse(10000,10000,pi) 可能不是非常有用的，但是它是能运行和允许的，它生成一个10000*10000的仅仅包含一个非零原色的矩阵，不要用full(B)，因为这需要800兆储存单元。 

分析和重组一个稀疏矩阵: 
[i,j,s] = find(S); 
[m,n] = size(S); 
S = sparse(i,j,s,m,n); 

如果最后一行和最后一列是非零项，有下面: 
[i,j,s] = find(S); 
S = sparse(i,j,s);

tril & triu 

 

用法：tril(X)，其中X表示一个矩阵。

功能：tril函数是tril(X)产生X矩阵的下三角矩阵，其余元素补0。

相关函数：triu函数提取矩阵的上三角矩阵。

备注：matlab中提供了许多对矩阵操作的函数，可以实现矩阵的三角矩阵的提取（triu、tril）、矩阵的翻转（flipud、fliplr、Flipdim）和旋转（rot90）等各种操作。

用法：triu(X)，其中X表示一个矩阵。

功能：triu函数是matlab中提取矩阵上三角矩阵的函数。triu(X)产生X矩阵的上三角矩阵，其余元素补0。

相关函数：tril函数提取矩阵的下三角矩阵。

备注：matlab中提供了许多对矩阵操作的函数，可以实现矩阵的三角矩阵的提取（triu、tril）、矩阵的翻转（flipud、fliplr、Flipdim）和旋转（rot90）等各种操作。

matlab两个矩阵相除原理是什么

在Matlab中有两种矩阵除法符号：“＼”即左除和“／”即右除．如果A矩阵是非奇异方阵，则A\B是A的逆矩阵乘B，即inv(A)*B；而B/A是B乘A的逆矩阵，即B*inv(A)．
具体计算时可不用逆矩阵而直接计算．
通常：
x=A\B就是A*x=B的解；
x=B/A就是x*A=B的解.
当B与A矩阵行数相等可进行左除．如果A是方阵，用高斯消元法分解因数．解方程：A*x(:, j)=B(:, j)，式中的(:, j)表示B矩阵的第j列，返回的结果x具有与B矩阵相同的阶数，如果A是奇异矩阵将给出警告信息．

如果A矩阵不是方阵，可由以列为基准的Householder正交分解法分解，这种分解法可以解决在最小二乘法中的欠定方程或超定方程，结果是m×n的x矩阵．m是A矩阵的列数，n是B矩阵的列数．每个矩阵的列向量最多有k个非零元素，k 是A的有效秩．

主成分分析主要是多个指标转换成少数几个互不相关互不相关互不相关！的综合综合综合！指标